Extending JAGS for spatial data

Magno Tairone de Freitas Severino

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/BUOS-AZGNHV

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Vinicius Diniz Mayrink	pt_BR
dc.contributor.advisor-co1	Fabio Nogueira Demarqui	pt_BR
dc.contributor.referee1	Fabio Nogueira Demarqui	pt_BR
dc.contributor.referee2	Marcos Oliveira Prates	pt_BR
dc.contributor.referee3	Leonardo Soares Bastos	pt_BR
dc.creator	Magno Tairone de Freitas Severino	pt_BR
dc.date.accessioned	2019-08-14T18:57:10Z	-
dc.date.available	2019-08-14T18:57:10Z	-
dc.date.issued	2018-02-22	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/BUOS-AZGNHV	-
dc.description.abstract	Bayesian hierarchical modeling for spatial data is challenging for professionals from other areas than statistics. From a technical perspective, setting the model and the prior distributions are the simplest part of the process. What makes it dicult is the com putation of the posterior full conditionals and the implementation of the Gibbs Sampleralgorithm. The BUGS (Bayesian inference Using Gibbs Sampling) family of statistical softwares reduces the eort of modeling, since the user must indicate only the prior distributions and the likelihood function. However, in general these softwares do not im plement several spatial models, although users of WinBUGS and OpenBUGS can enjoy fromthe spatial add-on called GeoBUGS. JAGS (Just Another Gibbs Sampler), the open-source C++ developed version of the BUGS family, does not contain any function or distribution for spatial modeling. This project aims to ll this gap through the implementation of an extension to the JAGS software, allowing users from dierent elds to perform a spatialdata modeling and analysis	pt_BR
dc.description.resumo	A modelagem hierarquica Bayesiana para dados espaciais pode ser bastante desaadora para prossionais de áreas para além da estatística. Do ponto de vista técnico, a parte mais simples do processo é denir o modelo e as distribuições a priori. A diculdade está no cálculo das distribuições condicionais completas a posteriori e na implementação do algoritmo amostrador de Gibbs. A família de softwares estatísticos BUGS (acrônimo para inferência Bayesiana usando o amostrador de Gibbs, em tradução literal) reduz oesforço de modelagem, uma vez que o usuário deve indicar apenas as distribuições a priori e a verossimilhança dos dados. Entretanto, em geral tais softwares não permitem análises mais complexas de dados espaciais, embora usuários do WinBUGS e do OpenBUGS podemusar o módulo espacial GeoBUGS. JAGS (apenas outro amostrador de Gibbs, em tradução literal), é uma alternativa á famlia BUGS, desenvolvida em C++ com código aberto, não contém nenhuma função ou distribuição disponível que simplique a modelagem de da dos espaciais. O objetivo fundamental deste trabalho é suprir essa falta, implementando um módulo para o software JAGS que permita aos usuários de diferentes áreas realizar modelagem e análise de dados espacias de maneira simples	pt_BR
dc.language	Português	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Jags	pt_BR
dc.subject	Amostrador de gibbs	pt_BR
dc.subject	Inferência bayesiana	pt_BR
dc.subject	Estatística espacial	pt_BR
dc.subject.other	Estatistica	pt_BR
dc.subject.other	Teoria bayesiana de decisão estatistica	pt_BR
dc.subject.other	Análise espacial (Estatística)	pt_BR
dc.title	Extending JAGS for spatial data	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
dissertacao_magno_t_f_severino.pdf		4.59 MB	Adobe PDF	View/Open

Show simple item record